基于卷積神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)短文分類方法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，以微信、QQ、貼吧、博客、微博等為主要代表的新型社交媒介的使用，使人類活動(dòng)已經(jīng)離不開(kāi)虛擬世界網(wǎng)絡(luò)環(huán)境?；ヂ?lián)網(wǎng)短文作為這些社交媒介產(chǎn)生數(shù)據(jù)的主要表現(xiàn)形式，如何從其中獲取有效信息且掌控其信息熱點(diǎn)是自然語(yǔ)言處理研究的重點(diǎn)內(nèi)容。而文本分類技術(shù)作為信息獲取的主要方式之一，在文本信息處理中有著重要的地位。
　　在過(guò)去幾年中，深度學(xué)習(xí)在圖像處理、語(yǔ)音識(shí)別方面取得了很好效果，但在文本信息處理方面應(yīng)用較少。因此，本文以互聯(lián)網(wǎng)短

2、文分類為應(yīng)用背景，使用深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了分類研究。具體研究?jī)?nèi)容如下：
　　（1）針對(duì)中文互聯(lián)網(wǎng)短文特點(diǎn)，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)短文分類方法，該方法由數(shù)據(jù)預(yù)處理、特征處理、分類識(shí)別等模塊組成。首先在數(shù)據(jù)預(yù)處理模塊中，本文對(duì)分詞、去噪聲進(jìn)行了優(yōu)化，并使用Word2vec詞向量和TF-IDF值構(gòu)造文本特征矩陣。接著在特征處理模塊中，使用了不同池化的不同類型的卷積神經(jīng)網(wǎng)絡(luò)處理文本低級(jí)特征。最后在分類識(shí)別模塊中，使

3、用softmax函數(shù)進(jìn)行了文本分類識(shí)別操作。通過(guò)實(shí)驗(yàn)表明，使用Word2vec詞向量和TF-IDF值末尾疊加方式構(gòu)造文本特征矩陣，在最大池化下的動(dòng)態(tài)卷積神經(jīng)網(wǎng)絡(luò)對(duì)該矩陣進(jìn)行處理，可以得到比較好的互聯(lián)網(wǎng)短文分類效果。
　　（2）使用上述卷積神經(jīng)網(wǎng)絡(luò)的分類方法與KNN、SVM、DBN等文本分類方法進(jìn)行互聯(lián)網(wǎng)短文的兩級(jí)分類實(shí)驗(yàn)。在建立一個(gè)有效的類別體系之后，抓取整理符合實(shí)驗(yàn)要求的數(shù)據(jù)。在相同的數(shù)據(jù)條件下，通過(guò)互聯(lián)網(wǎng)短文本的兩級(jí)分類實(shí)驗(yàn)，